طراحی و اعتبارسنجی یک مدل خطر بالینی برای پیش‌بینی بدخیمی در بیماران مبتلا به ندول تیروئید

برزوئی, شیوا; صفدری, علی; ایوبی, عرفان

doi:10.32592/ajcm.31.4.219

دوره 31، شماره 4 - ( مجله پزشکی بالینی ابن سیناـ زمستان 1403 ) جلد 31 شماره 4 صفحات 227-219 | برگشت به فهرست نسخه ها

‎ 10.32592/ajcm.31.4.219

Mendeley

Zotero

RefWorks

Borzouei S, Safdari A, Ayubi E. Development and Validation of a Clinical Risk Model for Predicting Malignancy in Patients with Thyroid Nodules. Avicenna J Clin Med 2025; 31 (4) :219-227
URL: http://sjh.umsha.ac.ir/article-1-3145-fa.html

برزوئی شیوا، صفدری علی، ایوبی عرفان. طراحی و اعتبارسنجی یک مدل خطر بالینی برای پیش‌بینی بدخیمی در بیماران مبتلا به ندول تیروئید. مجله پزشكي باليني ابن سينا. 1403; 31 (4) :219-227

URL: http://sjh.umsha.ac.ir/article-1-3145-fa.html

طراحی و اعتبارسنجی یک مدل خطر بالینی برای پیش‌بینی بدخیمی در بیماران مبتلا به ندول تیروئید

شیوا برزوئی¹

، علی صفدری²

، عرفان ایوبی³

1- گروه داخلی، دانشکده پزشکی، دانشگاه علوم پزشکی همدان، همدان، ایران
2- گروه پرستاری، دانشکده علوم پزشکی ملایر، مرکز تحقیقات بیماری‌های مزمن (مراقبت در منزل)، دانشگاه علوم پزشکی همدان، همدان، ایران
3- مرکز تحقیقات سرطان، پژوهشکده سرطان، پژوهشگاه سلامت ابن سینا، دانشگاه علوم پزشکی همدان، همدان، ایران ، aubi65@gmail.com

چکیده: (292 مشاهده)

سابقه و هدف: سرطان تیروئید شایع‌ترین بدخیمی سیستم اندوکرین است. از نظر بالینی بسیار مهم است که با توجه به خصوصیات بیماران و ویژگی‌های ندول تیروئید بیماران مستعد پیش‌آگهی بد شناسایی شوند. هدف از مطالعه حاضر طراحی و اعتبارسنجی یک مدل خطر بالینی برای پیش‌بینی بدخیمی در بیماران مبتلا به ندول تیروئید بوده است.
مواد و روش‌‌ها: در این مطالعه مقطعی تحلیلی داده‌های 650 بیمار (میانگین سنی: 13/45 ± 42/36 سال، جنسیت زن: 86/15 درصد) مبتلا به ندول تیروئیدی که تحت تیروئدکتومی قرار گرفته بودند، بررسی شده‌اند. نمونه‌ها، بیماران مراجعه‌کننده به کلینیک تخصصی غدد در بازه زمانی 1393 تا 1401 بوده‌اند. یک مدل چندمتغیره با استفاده از داده‌های جمعیت‌شناختی، بالینی و همچنین داده‌های سیستم بتسدا از طریق تحلیل رگرسیون لجستیک به مثابه یک مدل خطی تعمیم‌یافته (generalized linear model; GLM) ساخته شده است. اعتبار درونی مدل با استفاده از نمونه‌گیری مجدد بوت‌استرپ ارزیابی شده است. توانایی تشخیصی، کالیبراسیون و سودمندی مدل به ترتیب با استفاده از سطح زیر منحنی راک (area under the ROC curve ; AUC)، نمره Brier و تحلیل منحنی تصمیم‌گیری (decision curve analysis; DCA) ارزیابی شده است. عملکرد تشخیصی مدل GLM با پنج الگوریتم یادگیری ماشین شامل آنالیز تشخیصی خطی (linear discriminant analysis; LDA) ، جنگل تصادفی (random forest; RF) ، شبکه عصبی (neural network; NN) ، ماشین بردار پشتیبان (support vector machine; SVM) و k- نزدیک‌ترین همسایگی (k-nearest neighbor; kNN) مقایسه شده است.
یافته‌ها: از 650 بیمار جراحی‌شده 43 % خوش‌خیم و 57 % بدخیم بوده‌اند. سن، جنسیت، سابقه بیماری‌های تیروئید در بستگان درجه اول، نوع بیماری تیروئید، فوکال بودن ندول تیروئید، آدنوپاتی گردنی و سیستم بتسدا ویژگی‌های مهم برای ساخت مدل پیش‌بینی بر اساس GLM بوده‌اند. مقدار AUC و نمره Brier مدل به ترتیب 0/89 و 0/12بوده است. همچنین نتایج DCA نشان‌دهنده سودمندی بالینی مدل است. به طور کلی، از نظر عملکرد پیشگویی بین شش الگوریتم یادگیری ماشین تفاوتی وجود نداشته است؛ با این حال، پارامترهای پیشگویی الگوریتم‌های GLM و LDA از سایرین بالاتر بوده است.
نتیجه‌گیری: طراحی و اعتبارسنجی مدل پیشگویی مبتنی بر الگوریتم‌های یادگیری ماشین با استفاده از داده‌های جمعیت‌شناختی، بالینی و داده‌های بتسدا ممکن است برای مدیریت درمان بیماران مبتلا به ندول تیروئید سودمند باشد.

واژه‌های کلیدی: اعتبارسنجی، بدخیمی، ندول‌های تیروئید، یادگیری ماشین

متن کامل [PDF 912 kb] (101 دریافت) | | متن کامل (HTML) (88 مشاهده)

نوع مطالعه: پژوهشي | موضوع مقاله: غدد و متابوليسم

ارسال پیام به نویسنده مسئول

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله پزشکی بالینی ابن سینا می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

Designed & Developed by : Yektaweb

حق تالیف (کپی رایت) برای مولفان محفوظ است.